在本周二举行的谷歌I/O开发者大会上,谷歌发布了一系列搜索功能更新,其中包括一项名为"通用购物车"的全新功能。这是一款由AI驱动的购物助手,基于谷歌通用商务协议(Universal Commerce Protocol,以下简称UCP),将用户在不同平台的购物行为整合到同一个购物车中,实现"一车多店"的购物体验。
UCP是一套面向商务与智能体AI的开放标准,由谷歌联合Target、Shopify、Wayfair、Etsy等主要零售商共同开发。该标准允许商家在Google Pay平台上运营的同时,仍能向用户提供会员积分、专属信用卡等个性化零售数据。
通用购物车打通了谷歌生态系统内的多个入口,包括YouTube、Gmail、Gemini以及谷歌搜索,使AI能够获取用户在各平台的选品信息,进而提供购物洞察、商品推荐,并支持多种个性化互动场景。
谷歌广告与商务副总裁Vidhya Srinivasan在I/O大会前的预览发布会上表示,这些功能将"让购物变得更有趣"。其核心含义在于,新功能大幅降低了从"加入购物车"到"完成结账"之间的操作门槛。零售商希望整个购物流程尽可能顺畅,甚至做到即时完成,同时最大程度实现个性化体验。
AI智能体的实用价值在大会现场演示中得到了充分体现。Srinivasan展示了一个购物场景:用户将一款CPU和一块主板加入购物车后,AI随即提示这两款产品并不兼容——这一提醒相当实用。在另一个演示中,AI建议用户换用另一张信用卡以享受折扣优惠。
所有功能均设计为自动运行。用户在谷歌平台购物并将商品加入购物车后,AI会在后台自动运行,搜寻更优惠的价格,判断促销价格是否真正划算,并标注相关优惠信息——这些功能对消费者都大有裨益。但与此同时,系统也在持续追踪用户的浏览行为,记录用户关注的商品,并对未来的购买行为作出预测。
通用购物车只是谷歌AI购物布局的冰山一角。早在今年一月,谷歌就曾演示过Chrome浏览器中的"自动浏览"功能:用户授权浏览器代为操作后,只需向Gemini展示一张派对装饰品的照片并发出指令,Gemini便会自动分析图片内容,在网络上定位彩带、气球等装饰品并加入购物车。理论上,借助谷歌的UCP,用户无需在Etsy、亚马逊、沃尔玛等不同页面分别结账,所有购物均可在一处完成,极为便捷。
上述功能协同作用,共同推动数字购物体验向更流畅的方向演进。对于希望提升转化率的零售商而言,这一方向至关重要。谷歌持续强调Gemini与AI智能体在处理"数字杂务"——即日常例行任务——方面的优势,而这些购物功能正是这一能力的典型应用场景。
对于懂得如何有效调用智能体的用户,或是希望通过AI获取特定提示的用户而言,这些功能的实用价值极为突出。例如,如果用户每个月都会购买同款卫生纸,Gemini会主动提醒用户,自动将商品加入购物车,甚至直接完成下单。
AI购物的终极目标是:用户以自然语言与AI交互,授权其代为执行购物操作,而自动化日常采购正是这一愿景落地的第一步。
Q&A
Q1:谷歌通用购物车是什么功能,有什么用?
A:谷歌通用购物车是基于通用商务协议(UCP)推出的AI购物助手,能够将用户在YouTube、Gmail、Gemini、谷歌搜索等不同平台的选品整合到同一个购物车中,支持跨多家零售商一次结账。AI还会在后台自动比价、提示优惠、检测商品兼容性,帮助用户做出更明智的购物决策,整体目标是让购物流程更顺畅、更个性化。
Q2:谷歌通用商务协议(UCP)对零售商有什么影响?
A:UCP是谷歌与Target、Shopify、Wayfair、Etsy等主要零售商共同开发的开放标准。零售商可以通过Google Pay接入该协议,同时保留会员积分、专属信用卡等个性化数据的独立运营能力。对零售商来说,UCP有助于降低用户的结账门槛,提升转化率,同时不必完全放弃自有的用户数据和品牌体验。
Q3:谷歌AI购物智能体会不会追踪用户的隐私数据?
A:根据目前的功能介绍,谷歌AI购物智能体在提供购物辅助的同时,确实会追踪用户的浏览行为,记录用户关注的商品,并对未来的购买行为作出预测。这意味着系统在后台持续收集用户的购物偏好数据,用户在享受便捷体验的同时,也在一定程度上让渡了个人购物行为数据。
好文章,需要你的鼓励
谷歌在I/O开发者大会上发布"通用购物车"功能,基于通用商务协议(UCP)整合YouTube、Gmail、Gemini等平台的购物数据,支持Target、Shopify、Wayfair等主流零售商。AI代理可自动检测商品兼容性、推荐优惠信用卡、比价提醒,并在用户授权下自动完成日常采购。该功能旨在打通"加入购物车"到"完成结账"的全流程,实现个性化、无摩擦的购物体验。
这项联合研究提出了COVER方法和CM-EVS数据集,用贪心算法从3D场景中智能筛选全景视角,每场景仅需25帧即可完整覆盖室内场景,并附完整溯源日志。
HolderPO通过引入可调参数p的霍尔德均值替代固定的算术平均,解决了大模型推理训练中信号放大与稳定性之间的根本矛盾,配合动态退火策略在数学推理和代理任务上均创造了新的最优记录。